Многопеременный ИИ-анализ иммунно‑образа жизни, связанного с повторными выкидышами: исследование ретроспективного характера

Почему это важно для надеющихся стать родителями

Для многих пар потеря более чем одной беременности — это незримая разбитая надежда, которая кажется внезапной и без ясных ответов. В этом исследовании изучают, могут ли повседневные факторы — например, вес тела и курение — в сочетании с тонкими признаками со стороны иммунной системы образовывать узнаваемый шаблон, который поможет врачам оценить риск повторных выкидышей у женщины. Используя современную форму искусственного интеллекта для анализа рутинных анализов крови у десятков тысяч женщин, авторы стремятся превратить разрозненные лабораторные показатели в практическое руководство по профилактике и уходу.

Поиск закономерностей, стоящих за повторными потерями

Повторные выкидыши (РВП) обычно определяют как два и более выкидыша до 24-й недели беременности и это состояние встречается примерно у одной из двадцати женщин, пытающихся зачать. Примерно в половине таких случаев стандартные медицинские тесты не выявляют явной причины. Ранее связывали множество факторов с потерей беременности: возраст, ожирение, курение, алкоголь, проблемы с щитовидной железой и иммунные реакции на плод. Вместо изучения каждого фактора по отдельности, команда задала вопрос, существует ли комбинированный «иммунно‑образ жизни», который отличает женщин с РВП от тех, у кого были успешные беременности, и можно ли надежно обнаружить такой отпечаток с помощью модели глубокого обучения.

Огромный набор данных и умный инструмент обучения

Исследователи собрали обезличенные записи из пяти центров репродуктивной медицины по всей Ирану, охватив более 36 000 женщин, обследованных в период с 2014 по 2024 год. В выборку вошли 16 818 женщин с историей повторных потерь и 19 979 женщин с успешными беременностями. Для каждой женщины собрали 22 параметра: возраст, индекс массы тела (ИМТ), курение и употребление алкоголя, базовые уровни гормонов и витаминов, количественные показатели различных иммунных клеток в крови и панель аутоантител, которые иногда атакуют собственные ткани организма. Затем они обучили специализированную модель глубокого обучения TabNet, разработанную для работы с табличными медицинскими данными и позволяющую выделять наиболее важные входные признаки. Для предотвращения переобучения и убеждения в том, что модель не учится по случайным подсказкам (например, по порядку данных или особенностям пропусков) применяли тщательные проверки.

Что модель извлекла из чисел

На неведомых ранее валидационных данных ИИ с очень высокой точностью отделял женщин с иммунно‑образом жизни, связанным с РВП, от здоровых контролей. Общая корректность составила примерно 95%, чувствительность (выявление поражённых женщин) — около 97%, а специфичность (правильное определение здоровых женщин) — выше 92%. Стандартная метрика — площадь под ROC‑кривой — равнялась 0,985, что указывает на отличное разделение двух групп. Важно, что оценки риска моделью были хорошо калиброваны: прогнозируемые вероятности близко соответствовали фактической частоте РВП‑подобных шаблонов в данных. Повторная кросс‑валидация и тесты с перемешанными метками показали, что результаты устойчивы и не объясняются случайностью или скрытыми смещениями в наборе данных.

Как образ жизни и иммунитет взаимодействуют

Анализ важности признаков показал, что ведущую роль играют определённые иммунные маркеры, особенно баланс между двумя типами хелперных Т‑клеток (часто суммируемый как соотношение Th1/Th2) и соотношение CD4 к другим Т‑клеткам. К этим сигналам присоединялись ИМТ, возраст, маркеры В‑клеток и несколько аутоантител, что предполагает, что и иммунная активность, и метаболическое состояние формируют риск. Анализ поддерживает картину, в которой лишний вес и курение способствуют низкоуровневому воспалению и более агрессивному иммунному фону, что, в свою очередь, может нарушать толерантность, необходимую для успешного развития беременности. Даже факторы, которые в среднем выглядели менее значимыми — например, антитела к щитовидной железе или витамин D — иногда помогали модели при отсутствии других данных, подчёркивая, что множество мелких сигналов могут суммироваться.

От сложных данных к реальным решениям

Поскольку требуемые тесты уже широко применяются в клиниках, команда создала простой веб‑интерфейс: врачи могут загрузить таблицу с 22 измерениями и получить отчёт, описывающий иммунно‑образ жизни женщины и оценённую вероятность рождения живого ребёнка в будущем. Авторы подчёркивают, что инструмент не является хрустальным шаром для прогноза исхода беременности и не переопределяет типы заболеваний. Он предлагает способ выявить женщин, чьи иммунные и образа‑жизненные шаблоны указывают на повышенный риск, чтобы врачи могли приоритизировать меры вроде контроля веса, отказа от курения и, при необходимости, иммуномодулирующей терапии до следующей беременности.

Что это означает для пациенток

Исследование показывает, что современные ИИ‑методы могут объединять повседневные привычки здоровья и детализированные иммунные показатели в единую, надёжную картину риска повторных выкидышей. Для пациенток это может означать переход от расплывчатых заверений и метода проб и ошибок к более персонализированным рекомендациям: кому достаточно изменений образа жизни, кому нужна более глубокая иммунная оценка, а кто находится в относительно низком риске. Модель всё ещё требует проверки в других странах и клинических условиях, но она указывает на будущее, в котором рутинный анализ крови и умный алгоритм помогут парам получать более ясные ожидания и целенаправленную поддержку на пути к здоровому ребёнку.

Цитирование: Dashti, M., Aslanian-Kalkhoran, L., Doustfateme, S. et al. Multivariable AI-based analysis of immune–lifestyle patterns associated with recurrent pregnancy loss: an exploratory retrospective study. Sci Rep 16, 8250 (2026). https://doi.org/10.1038/s41598-026-38941-6

Ключевые слова: повторные выкидыши, иммунная система, факторы образа жизни, глубокое обучение, репродуктивная медицина